在進行keras 網路計算時，有時候需要獲取輸入張量的維度來定義自己的層。但是由於keras是一個封閉的介面。因此在呼叫由於是張量不能直接用numpy 裡的A.shape()。這樣的形式來獲取。這裡需要呼叫一下keras 作為後端的方式來獲取。當我們想要操作時第一時間就想到直接用 shape ()函式。其實keras 中真的有shape()這個函式。

shape（x）返回一個張量的符號shape，符號shape的意思是返回值本身也是一個tensor，

示例：

>>> from keras import backend as K
>>> tf_session = K.get_session()
>>> val = np.array([[1,2],[3,4]])
>>> kvar = K.variable(value=val)
>>> input = keras.backend.placeholder(shape=(2,4,5))
>>> K.shape(kvar)
<tf.Tensor 'Shape_8:0' shape=(2,) dtype=int32>
>>> K.shape(input)
<tf.Tensor 'Shape_9:0' shape=(3,) dtype=int32>
__To get integer shape (Instead,you can use K.int_shape(x))__
 
>>> K.shape(kvar).eval(session=tf_session)
array([2,dtype=int32)
>>> K.shape(input).eval(session=tf_session)
array([2,5],dtype=int32)

如果直接呼叫這個出的不是我們想要的。我們想要的是tensor各個維度的大小。因此可以直接呼叫 int_shape(x) 函式。這個函式才是我們想要的。

>>> from keras import backend as K
>>> input = K.placeholder(shape=(2,5))
>>> K.int_shape(input)
(2,5)
>>> val = np.array([[1,4]])
>>> kvar = K.variable(value=val)
>>> K.int_shape(kvar)
(2,2)

最後這樣我們就可以直接呼叫裡面的大小。然後定義我們自己的keras 層了。

補充知識：獲取Tensor的維度（x.shape和x.get_shape()的區別）

tf.shape(a)和a.get_shape()比較

相同點：都可以得到tensor a的尺寸

不同點：tf.shape()中a 資料的型別可以是tensor,list,array

a.get_shape()中a的資料型別只能是tensor,且返回的是一個元組（tuple）

import tensorflow as tf 
import numpy as np 

x=tf.constant([[1,2,3],[4,5,6]])
y=[[1,6]] 
z=np.arange(24).reshape([2,3,4])

sess=tf.Session() 
# tf.shape() 
x_shape=tf.shape(x)          # x_shape 是一個tensor 
y_shape=tf.shape(y)          # <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32> 
z_shape=tf.shape(z)          # <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32> 
print(sess.run(x_shape))       # 結果:[2 3]
print(sess.run(y_shape))       # 結果:[2 3]
print(sess.run(z_shape) )       # 結果:[2 3 4]

x_shape=x.get_shape() 
print(x_shape)    # 返回的是TensorShape([Dimension(2),Dimension(3)]),不能使用 sess.run() 因為返回的不是tensor 或string,而是元組                            (2,3)
x_shape=x.get_shape().as_list() 
print(x_shape) # 可以使用 as_list()得到具體的尺寸，x_shape=[2 3] 這是重點 返回列表方便參加其他程式碼的運算
# y_shape=y.get_shape() 
print(x_shape)# AttributeError: 'list' object has no attribute 'get_shape'
# z_shape=z.get_shape() 
print(x_shape)# AttributeError: 'numpy.ndarray' object has no attribute 'get_shape' 或者a.shape.as_list()

以上這篇在keras 中獲取張量 tensor 的維度大小例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。